作者:汪成亮,王小均 单位:中国电子学会 出版:《电子学报》2017年第03期 页数:7页  (PDF与DOC格式可能不同) PDF编号:PDFDZXU2017030100 DOC编号:DOCDZXU2017030109 下载格式:PDF + Word/doc 文字可复制、可编辑
《一种基于隐马尔科夫模型的步态识别算法》PDF+DOC2016年第07期 张向刚,唐海,付常君,石宇亮 《结合手机传感器和卷积神经网络的人体行为识别》PDF+DOC2018年第03期 石代伟,张若英 《基于SVM的ECG传感器信号身份识别方法》PDF+DOC2014年第10期 陈曦,陈冠雄,沈海斌 《基于单片机的新型物料编码识别装置的设计》PDF+DOC2015年第07期 付柯锦,胡晓兵,欧阳旭东 《电子鼻数据融合的软件实现》PDF+DOC2000年第10期 史志存,李建平,崔大付,朱敏慧 《智能手机传感器的人体行为识别技术》PDF+DOC2020年第01期 艾达,王倩,樊炜鑫,郝瑞,刘颖 《基于ICA算法的智能电子鼻在混合气体特征提取中的应用》PDF+DOC2011年第04期 袁桂玲,袁军强 《预测和健康管理技术》PDF+DOC2009年第05期 宁东方,章卫国,李斌 《基于曲线拟合的多传感器时间对准方法研究》PDF+DOC2006年第12期 梁凯,潘泉,宋国明,张兴国,张震龙 《基于小波和RBF神经网络的多传感器时间对准算法研究》PDF+DOC2014年第01期 邓捷,陆百川,马庆禄,刘权富
  • 本文针对老年人日常活动类型及特点提出了一种基于三轴加速度传感器和HMM(Hidden Markov Model)的活动识别方法.本文首先提取了针对老年人相异、相似活动的标准差、能量、相关系数、RAF(RAtio Forward)、RVF(Ratio Vertical Forward)等特征值.然后定义老年人的HMM活动识别模型.最后在经过Baum-Welch算法对HMM进行参数训练后使用Viterbi算法来进行老年人活动识别.实验结果表明,本文方法适用于老年人的日常活动的识别,平均识别精度达到了93.3%,尤其是对于相似步态活动的识别准确率达到了93.7%。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。